강의시간

강의내용

실습여부

1

데이터 다루기 – 인터넷에 공개된 데이터를 읽고 특성을 파악하는 방법을 배운다. ChEMBL, Pubchem, MoleculeNet, 그리고 deepchem 이용법을 소개한다

O

2

분자 표현형 – smiles, mol, fingerprint, 그래프 모델 등 분자를 표현하는 여러 방법들의 특징을 이해한다

O

3

머신러닝 이해 – 머신러닝 모델, 회귀, 분류, 훈련, 검증, 과대적합, 성능지표, 손실함수의 개념을 배운다

O

4

머신러닝 모델 특징 - 선형, SVM, 트리, 랜덤포레스트 모델의 특징을 이해한다

O

5

딥러닝 이해 - MLP, CNN, RNN, 그래프 컨볼류션 모델, 트랜스포머의 동작을 이해한다

O

6

그래프 컨볼류션 모델 – 분자를 그래프로 표현하고 그래프 컨볼류션 딥러닝에 활용하는 방법을 소개한다

O

7

가상 선별 - 어떤 조건을 만족하는 분자를 찾아내는 작업으로 실험을 하지 않고 머신러닝 모델로 찾는 방법을 배운다

O

8

분자 생성모델 – VAE를 이용하여 원하는 특성을 갖는 분자를 생성하고 이의 유효성을 확인하는 방법을 배운다

O

9

분자 생성모델 – GAN을 이용하여 원하는 특성을 갖는 분자를 생성하고 이의 유효성을 확인하는 방법을 배운다

O

선수과목

파이썬 프로그래밍 기초 (리스트, 튜플, 딕셔너리, 데이터프레임, ndarray 이해)

참고자료

파이썬으로 배우는 머신러닝 – 김화종 저 (홍릉과학출판사, 2022.6)

준비사항

구글 colab에서 실습하므로 구글 계정 및 github 가입이 필요함

Keyword

분자 표현법

임베딩 벡터

그래프 모델

예측 모델

생성 모델